将字符串拆分为单词并与其他数据重新连接

我有一个使用的方法Regex寻找文本中的模式string。它可以工作，但不足以继续下去，因为它需要文本出现在确切的顺序，而不是将短语视为一组单词。

    public static string HighlightExceptV1(this string text, string wordsToExclude)
    {
        // Original version
        // wordsToExclude usually consists of a 1, 2 or 3 word term.
        // The text must be in a specific order to work.

        var pattern = $@"(\s*\b{wordsToExclude}\b\s*)";

        // Do something to string...
    }

这个版本对以前的版本进行了改进，因为它确实允许单词以任何顺序匹配，但是它导致一些间距问题在最终输出中，因为间距被删除并替换为管道。

    public static string HighlightExceptV2(this string text, string wordsToExclude)
    {
        // This version allows the words to be matched in any order, but it has
        // flaws, in that the natural spacing is removed in some cases.
        var words = wordsToExclude.Replace(' ', '|');

        var pattern = $@"(\s*\b{words}\b\s*)";

        // Example phase: big blue widget
        // Example output: $@"(\s*\bbig|blue|widget\b\s*)"

        // Do something to string...
    }

理想情况下，每个单词周围需要保留间距。下面的伪示例显示了我正在尝试做的事情。

1. 将原始短语拆分为单词
2. 将每个单词包装在正则表达式模式中，以保留空间 当匹配时

3. 重新连接单词模式以生成将用于的模式 匹配

   public static string HighlightExceptV3(this string text, string wordsToExclude)
   {
       // The outputted pattern must be dynamic due to unknown
       // words in phrase.
   
       // Example phrase: big blue widgets
   
       var words = wordsToExclude.Replace(' ', '|');
       // Example: big|blue|widget
   
       // The code below isn't complete - merely an example
       // of the required output.
   
       var wordPattern = $@"\s*\b{word}\b\s*";
       // Example: $@"\s*\bwidget\b\s*"
   
       var phrasePattern = "$({rejoinedArray})";
       // @"(\s*\bbig\b\s*|\s*\bblue\b\s*|\s*\bwidget\b\s*)";
   
       // Do something to string...
   }
   

注意：可能有更好的方法来处理单词边界间距，但我不是正则表达式专家。

我正在寻找一些帮助/建议来获取分割数组，包装它，然后以最简洁的方式重新加入它。

您需要将所有替代方案包含在一个非捕获组中，(?:...|...)。此外，为了进一步解决最终的问题，我建议用其环视明确的等效项替换单词边界，(?<!\w)...(?!\w).

这里有一个工作 C# 片段 https://ideone.com/uyQ18s:

var text = "there are big widgets in this phrase blue widgets too";
var words = "big blue widgets";
var pattern = $@"(\s*(?<!\w)(?:{string.Join("|", words.Split(' ').Select(Regex.Escape))})(?!\w)\s*)";
var result = string.Concat(Regex.Split(text, pattern, RegexOptions.IgnoreCase).Select((str, index) =>
            index % 2 == 0 && !string.IsNullOrWhiteSpace(str) ? $"<b>{str}</b>" : str));
 Console.WriteLine(result);

NOTES

• words.Split(' ').Select(Regex.Escape)- 分裂words带有空格和正则表达式的文本转义每个项目
• string.Join("|",...)重新构建字符串插入|项目之间
• (?<!\w)负lookbehind匹配前面没有紧接单词char的位置，并且(?!\w)负向先行匹配后面没有紧跟单词字符的位置。